近年来，视频监控系统已在交通场景和公共场合中广泛应用。由于传统的人工监控耗费过多人力物力，因此智能监控技术得到了广泛的关注。而其中的多目标检测与跟踪技术又是智能监控的基础，它的性能直接影响后续智能处理的效果，因此一直是人们研究的热点问题。在简单条件下，现有的多目标检测与跟踪算法能够在较高的准确率的基础上达到实时处理的能力。然而，在目标检测环境不理想、目标数量增加、目标密集等情况下，现有算法不能同时兼顾准确率和实时性。因此，既有效又快速的多目标检测与跟踪算法仍然面临着诸多的问题和挑战。本文主要针对多目标检测与跟踪算法在背景变化、目标数量庞大以及目标间短时遮挡等复杂条件下不能准确快速处理的问题，从多目标检测和多目标跟踪算法两个方面着手展开研究。通过对方法的改进和优化，在保证高准确率的前提下，降低算法的运行时间。本文的主要工作如下：1.提出了基于ICF-ASFE的多目标检测算法：针对多目标检测研究中背景变化、检测时间长、待检目标尺寸不一等问题，首先选择滑动窗口目标检测框架，以避免背景变化带来的影响；然后，采用可快速计算的积分通道特征(IntegralChannel Feature, ICF)描述目标，提高目标特征提取的速度；为了减少算法对多尺度目标检测的耗时，邻近尺度特征值估计思想(Adjacent Scale Features Estimati-on, ASFE)被引入到检测中；同时，通过普遍适用性先验知识的提取，在保证检测准确率的前提下，进一步降低算法的运行时间。在INRIA行人数据库和TownCen-tre行人监控视频中的实验结果表明：算法在保证高准确率的前提下，能在大尺寸图像（19201080）中进行实时检测。2.提出了基于PDO-MCMCDA的多目标跟踪算法：针对多目标跟踪研究中目标数量庞大、目标间遮挡、目标检测存在漏检和虚警等问题，首先，将多目标跟踪问题转化为求取贝叶斯最大后验概率问题；然后，引入马尔可夫链蒙特卡洛数据关联方法(Markov chain Monte Carlo Data Association, MCMCDA)，使问题能够在多项式时间内获得次优解；同时，考虑到场景和目标的先验知识，对提议分布进行优化(Proposal Distribution Optimization, PDO)，进一步减少算法的运行时间。在虚拟场景、NGSIM十字路口车辆监控视频和TownCentre行人监控视频中的实验结果表明：算法能够在目标数多于50个、目标间短时遮挡以及低目标检测率和高虚警率等复杂条件下具有良好的跟踪性能和实时在线运行速度。